1cv2.findContours ()在OpenCV-Python界面中，cv2.findContours ) )函数查找检测对象的轮廓。
cv2.findcontours(image，mode，method，contours=None，hierarchy=None， offset=none (3358 www.Sina.com/http://www.Sina.com/image查找轮廓的图像时，http://www.Sina.com
opencv3返回img、countours和hierarchy三个值
mode轮廓的检索模式有4种method轮廓逼近方法，4种contours利用findContours检测到的轮廓数据，每个轮廓都以点矢量的形式保存， point类型的vectorhierarchy选项层次结构信息offset选项轮廓偏移参数是用于绘制偏移量offset(dy )轮廓的偏移量http://www.Sina.com/http://www.Sina cv2.retr_external仅检测外轮廓cv2.RETR_LIST内孔内存在连通物体时，该物体的边界也位于最上层。 cv2.RETR_TREE检测所有轮廓，建立完整的分层结构，网状轮廓结构http://www.Sina.com/method 3358 www.Sina.com/cv2.chain_approx_none建立以获取每个轮廓的像素的相邻两个点的像素差是1cv2.CHAIN_APPROX_SIMPLE压缩的水平方向、垂直方向和对角线方向上的元素，其中值保持该方向上的重点坐标。 矩形轮廓仅4点即可保存轮廓信息时cv2.chain _ approx _ tc89 _ l1teh-chini chain近似算法cv2.chain _ approx _ tc89 _ kco steh-chini chain近似算法函数首先返回list。 list中的每个元素都是图像中的轮廓信息，而list中的每个元素(轮廓信息)类型为ndarray。 len(contours[1] )表示保存在第一个轮廓中的元素的数量，即保存在该轮廓中的点的数量。
1.2hierarchy返回值此函数还返回可选的hiararchy结果。 这是ndarray，元素的数量和轮廓的数量相同，每个轮廓contours[i]对应于四个hierarchy元素hierarchy[I][0]~hierarchy[1]
第一个数：表示同一级别轮廓的下一个轮廓的编号。 如果该级别的轮廓没有下一个轮廓，则在该级别轮廓的最后一个时刻，通常为-1。 第二数：表示同一级别轮廓之前轮廓的编号。 如果此级别的轮廓没有上一个轮廓，则在此级别轮廓的第一个轮廓时，通常为-1。 第三个数：表示该轮廓中包含的下一级轮廓的开头的编号。 如果没有-1。 第四个数：表示其轮廓上一个轮廓的编号。 如果没有一个以上的轮廓的话-1。 1.3板栗参数
3358 www.Sina.com/import cv 2img=cv2.im read (' ./Davis-2016/annotations/1080 p/flamingo/0007.png ' 16 ) cv2.CHAIN_APPROX_SIMPLE ) print ) len ) returns ) ) print ) cv2.chain_appprox_s returns的长度为三个，returns将三个值确定为这是因为opencv3版本的cv2.findContours )函数的返回值为三个，并且都是元组类型，因此在按一个参数接收时会接收三个值。 (opencv2版本只返回两个值。)。
描述
import cv2img
= cv2.imread('../../DAVIS-2016/Annotations/1080p/flamingo/00007.png', 0)img = cv2.resize(img, (16, 16)) # 为了方便显示，调整下尺寸# print(img.shape)return1, return2 = cv2.findContours(img, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)# print(returns)# print(len(returns))# print(type(returns))# resultsValueError: too many values to unpack (expected 2)可以看出，代码执行错误。ValueError: too many values to unpack (expected 2)
以三个参数去接收返回值，每个参数各接收一个返回值import cv2img = cv2.imread('../../DAVIS-2016/Annotations/1080p/flamingo/00007.png', 0)img = cv2.resize(img, (16, 16))# print(img.shape)image, contours, hierarchy = cv2.findContours(img, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)print(image)print(contours)print(hierarchy)输出结果：
[[ 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0] [ 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0] [ 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0] [ 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0] [ 0 0 0 0 0 0 0 0 0 255 0 0 0 0 0 0] [ 0 0 0 0 0 0 0 0 255 255 0 255 255 0 0 0] [ 0 0 0 0 0 0 0 255 255 255 0 0 0 0 0 0] [ 0 0 0 0 0 0 255 255 255 0 255 0 0 0 0 0] [ 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0] [ 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0] [ 0 0 0 0 0 0 0 0 255 0 0 0 0 0 0 0] [ 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0] [ 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0] [ 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0] [ 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0] [ 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0]][array([[[ 8, 10]]], dtype=int32), array([[[11, 5]], [[12, 5]]], dtype=int32), array([[[ 9, 4]], [[ 6, 7]], [[ 8, 7]], [[ 9, 6]], [[10, 7]], [[ 9, 6]]], dtype=int32)][[[ 1 -1 -1 -1] [ 2 0 -1 -1] [-1 1 -1 -1]]] 第一个返回值，返回了所处理的图像第二个返回值就是我们要找的轮廓的点集print(type(contours)) # 输出为：<class 'list'>print(type(contours[0])) # 输出为：<class 'numpy.ndarray'>print(len(contours)) # 图像中轮廓的数量，输出为：3print(len(contours[0])) # 轮廓0中的元素（点）的数量，输出为：1# results<class 'list'><class 'numpy.ndarray'>31 第三个返回值为各层轮廓的索引print(hierarchy)# results[[[ 1 -1 -1 -1] [ 2 0 -1 -1] [-1 1 -1 -1]]]具体意义不做解释，可查看1.2，自行理解。
2 cv2.drawContours()OpenCV中通过cv2.drawContours在图像上绘制轮廓。
cv2.drawContours(image, contours, contourIdx, color, thickness=None, lineType=None, hierarchy=None, maxLevel=None, offset=None) 参数描述返回值image需要绘制轮廓的目标图像，注意会改变原图绘制的图像arraycontours轮廓点，上述函数cv2.findContours()的第一个返回值contourIdx轮廓的索引，表示绘制第几个轮廓，-1表示绘制所有的轮廓color绘制轮廓的颜色thickness（可选参数）轮廓线的宽度，-1表示填充lineType可选参数）轮廓线型，包括cv2.LINE_4,cv2.LINE_8（默认）,cv2.LINE_AA,分别表示4邻域线，8领域线，抗锯齿线（可以更好地显示曲线）hierarchy（可选参数）层级结构，上述函数cv2.findContours()的第二个返回值，配合maxLevel参数使用maxLevel（可选参数）等于0表示只绘制指定的轮廓，等于1表示绘制指定轮廓及其下一级子轮廓，等于2表示绘制指定轮廓及其所有子轮廓offset（可选参数）轮廓点的偏移量3 实例 读入的为二值图import cv2import numpy as np# 读入的为二值图img = cv2.imread('../../DAVIS-2016/Annotations/1080p/flamingo/00007.png')img = cv2.resize(img, (224, 224))# 灰度图img_gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)# 获取轮廓image, contours, hierarchy = cv2.findContours(img_gray, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)# 创建白色幕布，画图temp = np.ones(img_gray.shape, np.uint8) * 255# 画轮廓：temp为白色幕布，contours为轮廓， -1表示画所有轮廓，颜色：绿色，厚度cv2.drawContours(temp, contours, -1, (0, 255, 0), 3)cv2.imshow('pic', img)cv2.waitKey()cv2.imshow('contour', temp)cv2.waitKey()结果：
读入RGB图像：灰度化、二值化原图：
import cv2import numpy as np# 读入RGB图像图像img = cv2.imread('../../DAVIS-2016/JPEGImages/1080p/flamingo/00007.jpg')img = cv2.resize(img, (224, 224))# 灰度化img_gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)# 二值化ret, binary = cv2.threshold(img_gray, 127, 255, cv2.THRESH_BINARY)# 获取轮廓image, contours, hierarchy = cv2.findContours(binary, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)# 白色幕布temp = np.ones(img_gray.shape, np.uint8) * 255# 绘制轮廓，在白色幕布上绘制，也可以在原图上绘制cv2.drawContours(temp, contours, -1, (0, 0, 255), 3)cv2.imshow('img', img) # 原图cv2.waitKey()cv2.imshow('gray', img_gray) # 灰度图cv2.waitKey()cv2.imshow('binary', binary) # 二值图cv2.waitKey()cv2.imshow('result', temp)cv2.waitKey()结果：
在白色幕布上绘制 在原图上绘制参考：
https://blog.csdn.net/Easen_Yu/article/details/89365497https://blog.csdn.net/keith_bb/article/details/70185209https://blog.csdn.net/hjxu2016/article/details/77833336